-
题名小样本监测信息露天矿边坡变形预测模型对比分析
被引量：3
- 1
-
-
作者
吴浩
阮明浩
张宏
张建华
叶海旺
董元锋
-
机构
武汉理工大学资源与环境工程学院
武汉市江夏区土地交易中心
-
出处
《武汉理工大学学报（交通科学与工程版）》
2014年第3期544-546,551,共4页
-
基金
国家自然科学基金项目(批准号:40901214)
中国博士后科学基金资助项目(2013M531749)
+2 种基金
精密工程与工业测量国家测绘地理信息局重点实验室开放基金项目(批准号:PF2011-20)
中央高校基本科研业务费专项资金项目(批准号:2013-IV-040)
国家级大学生创新创业训练计划项目(批准号:20131049708009)资助
-
文摘
利用GM(1,1),BP神经网络和灰色BP神经网络组合三种模型,分别对不同样本容量的小样本监测信息进行测试,对比分析预测结果的准确性与稳定性.结果表明,边坡变形预测模型受既有监测信息的样本容量影响较大,样本容量的增加有利于边坡变形预测模型精度的提高.在既有监测信息较少的情况下,GM(1,1)模型预测精度虽然最高,但缺乏稳定性;单一BP神经网络模型的预测精度由于样本较少,其精度较差.从预测结果的稳定性和精度两个方面综合对比来看,灰色BP神经网络组合模型更适用于小样本监测信息情况下的露天矿边坡变形趋势的预测.
-
关键词
边坡变形预测模型
小样本监测信息
GM(1
1)模型
BP神经网络模型
灰色BP神经网络合模型
-
Keywords
slope deformation forecast models
small sample
Gray（1
1）model
BP neural network model
the combined model based on gray and BP neural network
-
分类号
TD176
[矿业工程—矿山地质测量]
-
